Co způsobilo posun České NAIRU. Petr Sedláček

Co způsobilo posun České NAIRU

Petr Sedláček

Úvod Český zázrak na počátku transformace, který spočíval v relativně malém propadu ekonomické aktivity a nízké míry nezaměstnanosti, se v polovině 90. let vytratil. Koncem roku 1996 začala nezaměstnanost prudce narůstat a zastavila se až v roce 2000 na zhruba dvojnásobné úrovni, kde s mírným zlepšením se pohybuje dodnes. Phillipsova křivka nám napovídá, že pokud by šlo o dočasný výkyv v nezaměstnanosti, byl by doprovázen klesající mírou inflace. Inflace sice prudce poklesla na přelomu tisíciletí, ale poté se spolu s mírou nezaměstnanosti stabilizovala. To nasvědčuje faktu, že daný skok v nezaměstnanosti byl spíše posunem její rovnovážné míry, či NAIRU1. Některé čerstvé studie posun v české NAIRU skutečně potvrzují (Hurník, Navrátil, 2005). Tato práce se bude zabývat faktory, které by mohly pomoci vysvětlit „časově-proměnlivou“ NAIRU (Time-Varying NAIRU, dále jen TV-NAIRU). Literatura se soustřeďuje okolo tří širokých skupin možných vysvětlení. Jsou jimi institucionální faktory na trhu práce, šoky, kterými ekonomika prochází a makroekonomické politiky. V této práci bude důraz kladen na první dvě oblasti a poslední skupina faktorů nebude analyzována, a to ze dvou důvodů. Jednak teoretické a empirické studie v této oblasti nejsou z těch nejpřesvědčivějších (Ball, 1999) a jednak kvůli rozsahu se zahrnutí těchto faktorů zdá býti nad rámec. Členění práce je následující…..

1. Teoretická východiska V této části se krátce pozastavíme nad mírou nezaměstnanosti jako takové. Pak bude pozornost věnována faktorům, které by mohly mít vliv na NAIRU. V celé práci se za míru nezaměstnanosti bude uvažovat míra vykazovaná ČSÚ, která odpovídá mezinárodní definici ILO2.

1.1. Obecně o nezaměstnanosti Struktura nezaměstnanosti Lidé nejsou homogenní a je tedy nutné rozlišovat jednotlivé charakteristiky. Všeobecně platí, že pracovní síla s nižším vzděláním vykazuje vyšší míru nezaměstnanosti. To samé platí pro skupinu nejmladších pracovníků (15-24 let) a např. zdravotně postižených. Relativní zastoupení těchto skupin v celkové mase pracovní síly tak ovlivní rovnovážnou míru nezaměstnanosti. Dalším důležitým hlediskem je čas. Dlouhodobě nezaměstnaní mají obecně nižší pravděpodobnost, že si najdou práci (nižší tzv. exit rate – míra odchodu z nezaměstnanosti do zaměstnanosti). Tento fakt je vysvětlován několika způsoby. Jednak se argumentuje, že s ubíhajícím časem klesá intenzita hledání, kdy dlouhé pobyty v nezaměstnanosti mají negativní efekt na motivaci uchazečů o zaměstnání. Dále pak je možné, že po delší době se nezaměstnanost stane více společensky přijatelná. Navíc ztráta pracovních návyků, kontaktu se zaměstnanými a „eroze“ lidského kapitálu (vzdělání, profesní znalosti a zkušenosti se časem stávají zastaralé) mají také negativní vliv. Blanchard a Diamond (1992) se na věc dívají 1

Termíny přirozená míra nezaměstnanosti a NAIRU (non-accelerating inflation rate of unemployment) jsou vesměs používány jako synonyma. Někteří autoři pak argumentují, že NAIRU je převážně monetarním konceptem, zatímco přirozená míra nezaměstnanosti se vyskytuje v teoriích popisujících dlouhodobé, strukturální charakteristiky (Koning, 1999). 2 Za nezaměstnaného je považován ten, kdo nemá práci, aktivně ji hledá a je schopen nastoupit do 14 dnů.

z pohledu poptávky po práci. Poukazují na to, že firmy zastávají jakousi politiku třídění (ranking policy) a vybírají si uchazeče, mimo jiné, na základě délky pobytu v nezaměstnanosti. Dlouhodobě nezaměstnaní jsou tak v podstatě stigmatizováni a jejich šance na získání zaměstnání je pak podstatně nižší než u krátkodobě nezaměstnaných3.

Inflace a nezaměstnanost Trade-off mezi mírou inflace a mírou nezaměstnanosti je základem koncepce NAIRU. Avšak vztah těchto dvou veličin není tak jednoznačný, jak se na první pohled může zdát. Za prvé stojí a padá s očekáváními. Často se uvažují očekávání adaptivní, které mohou být vhodným nástrojem v obdobích stabilní inflace, kdy minulá inflace je dobrým odhadem inflace budoucí. Ale v prostředí tranzitivní ekonomiky se tato možnost nejeví jako vhodná. Změny v inflaci mohou poskytovat vcelku dobré signály, kde se nezaměstnanost nachází oproti své rovnovážné hodnotě. Avšak tento vztah může být odlišný v obdobích velmi nízké inflace (Blanchard, Wolfers, 2000). Rovněž existují argumenty, že v prostředí nízké inflace může přetrvat trade-off mezi nezaměstnaností a inflací i v dlouhém období, což by mělo za následek nazpět ohnutou dlouhodobou Phillipsovu křivku (Akerlof et al., 2000; Palley, 2003). Rovněž může být vztah závislý na velikosti nezaměstnanosti. Vysoké míry nezaměstnanosti mohou být spojeny s jinými indexy obětování (Blanchard, Katz, 1997). Všechny tyto aspekty poukazují na fakt, že vztah mezi inflací a nezaměstnaností je třeba používat s opatrností.

Hysterze Hysterze ve fyzice popisuje situaci, kdy se objekt nevrátí na svou původní úroveň po působení síly, přestože tato síla již nepůsobí (Ball, Mankiw, 2002). V kontextu nezaměstnanosti se hysterze týká persistence v úrovni nezaměstnanosti. V klasickém konceptu NAIRU je z definice závislost na minulém vývoji skutečné míry nezaměstnanosti irelevantní. NAIRU je míra nezaměstnanosti, ke které se skutečná nezaměstnanost vrací. Avšak v konceptu TVNAIRU je hysterze obhajitelná. Existuje několik teorií, které hysterzi vysvětlují. Nejpopulárnější je kanál dlouhodobě nezaměstnaných. Jak již bylo zmíněno, dlouhodobě nezaměstnaní jsou méně efektivní v zaplňování volných míst. Tím pádem mají mnohem menší vliv na snižování mezd (nepředstavují totiž vážnou konkurenci pro krátkodobě nezaměstnané) a tudíž i na inflaci. Tím se oslabuje trade-off mezi inflací a nezaměstnaností. Vyšší podíl dlouhodobě nezaměstnaných je tak spojen s vyšší mírou rovnovážné nezaměstnanosti. Tudíž, jakýkoli šok, který zvedne podíl dlouhodobě nezaměstnaných, bude mít negativní dopad na budoucí nezaměstnanost. Ball (1999) tvrdí, že mechanismus hysterze může být symetrický. Uvádí příklad, že expanzivní makroekonomická politika může napomoci snížení NAIRU.

1.2. Institucionální faktory na trhu práce Obecně vzato se mohou institucionální faktory rozdělit do dvou skupin (i když toto dělení není nikdy dostatečně přesné a často se překrývá): faktory ovlivňující toky na trhu práce a faktory ovlivňující tvorbu mezd.

Faktory ovlivňující toky Trh práce může být charakterizován konstantním pohybem. I v ekvilibriu (kdy počet volných míst a nezaměstnaných se rovná) existuje jistá nezaměstnanost (frikční), která je spojena

3

Pomíjíme zde další možnost, a to zaplnění volných míst z řad již zaměstnaných (změna zaměstnání).

s časovou nákladností hledání si zaměstnání. Je tedy jasné, že jakýkoli faktor, který ovlivní tento provoz, ovlivní i rovnovážnou míru nezaměstnanosti. Dávky v nezaměstnanosti Dávky v nezaměstnanosti mírní následky ztráty pracovního místa. Můžeme vymezit čtyři relevantní aspekty těchto dávek. Výši, dobu trvání, pokrytí a přísnost, se kterou jsou udělovány (Layard, Nickell, Jackman, 2005). Čím štědřejší systém dávek, tím méně motivace mají nezaměstnaní, aby si hledali práci. Tím se sníží odliv nezaměstnaných do zaměstnanosti. Dále pak doba trvání dávek přímo ovlivňuje časovou strukturu nezaměstnanosti. Již dříve bylo zmíněno, že dlouhodobě nezaměstnaní mají nižší pravděpodobnost, že opustí nezaměstnanost, čili rovnovážná míra nezaměstnanosti s vyšším podílem této skupiny roste. Aktivní politika zaměstnanosti Cílem aktivních politik zaměstnanosti je zamezení dlouhodobějšímu pobytu jednotlivců v nezaměstnanosti, popřípadě nalezení vhodného zaměstnání. Můžeme odlišit několik forem této politiky. Jednak sem můžeme zahrnout fungování úřadů práce, které snižují náklady na získávání informací o pracovním trhu jak pro zaměstnavatele, tak pro uchazeče o zaměstnání. Dále pak výdaje na rekvalifikace, které snižují nerovnost v poptávce a nabídce (mismatch) konkrétních kvalifikací. V neposlední řadě to je přímá tvorba pracovních míst. Účinnost aktivní politiky zaměstnanosti výrazně stoupá, pokud je doprovázena relativně krátkými dobami trvání dávek v nezaměstnanosti (Nickell, 1997). Legislativa chránící zaměstnané Zákony, které omezí nedobrovolné zániky pracovních míst, sníží toky směrem do nezaměstnanosti, čili sníží krátkodobou nezaměstnanost. Zároveň však firmy budou více obezřetné pří nabírání nových zaměstnanců, jelikož pružné přizpůsobování pracovní síly se stane nákladnější. Tím pádem se sníží i toky z nezaměstnanosti do zaměstnanosti. Změní se tedy struktura nezaměstnanosti tak, že relativně klesne krátkodobá nezaměstnanost, ovšem na úkor dlouhodobé, s následky, které byly popsány výše. Tato legislativa tedy přispívá k rigiditám na trhu práce a k tzv. „euroskleróze“ (Mortensen, Pissarides, 1999).

Faktory ovlivňující tvorbu mezd Je vhodné dívat se na tvorbu mezd jako na proces vyjednávání (Layard, Nickell, Jackman, 2005). Obě strany mají jistou vyjednávací sílu, kterou se snaží využít ve svůj prospěch. Zaměstnavatelé, tvůrci cen, se snaží maximalizovat zisky tím, že stanoví ceny při očekávané úrovni mezd. Naopak zaměstnanci, tvůrci mezd, se snaží maximalizovat vlastní čistou realnou mzdu na základě daných očekávaných cen. Jen pokud jsou obě reálné mzdy v souladu nevyskytují se žádné inflační tlaky. Vyrovnávacím mechanismem je nezaměstnanost. Otázka, kterou se nyní budeme zabývat je, co ovlivňuje vyjednávací pozice obou stran. Dávky v nezaměstnanosti Mechanismus působení dávek v nezaměstnanosti na vyjednávací pozice je vcelku jednoznačný. Dávky zeslabují negativní dopady ztráty zaměstnání, což má za následek vylepšení vyjednávací pozice pracovníků. Čím větší absolutní výše dávek, tím lepší vyjednávací pozice. Klíčovým prvkem se zde však zdá být přísnost udělování dávek. I relativně štědré systémy mohou fungovat efektivně, pokud jsou pravidla nárokování dávek přísné (Layard, Nickell, Jackman, 2005). Existují důkazy (Dánské Ministerstvo Financí, 1999), že zpřísnění kritérií nároku umožňuje výrazně snížit nezaměstnanost bez větších inflačních tlaků. Nakonec pak doba trvání dávek má podobný efekt jako výše dávek.

Všechny tyto charakteristiky jsou pochopitelně propojeny. Je tedy zřejmé, že jakákoli reforma v této oblasti nutně musí oslovit celý systém, jelikož izolované změny nemusí vést k požadovaným dopadům (Saint-Paul, 2004). Aktivní politiky zaměstnanosti Mzdové podpory mohou napomoci k zaměstnání skupin pracovníků, které by jinak zůstaly v nezaměstnanosti (např. kvůli minimálním mzdám). Potíž je v tom, že tyto podpory mohou mít efekt nákladů mrtvé váhy (firma dostane podporu i za zaměstnance, kterého by najala i bez ní) a efekt náhrady4 (zaměstnání někoho, za kterého dostane podporu místo např. čerstvého absolventa). Tyto vedlejší účinky mohou však být méně významné než positivní efekty zvýhodnění rizikových skupin. Celková nezaměstnanost by tedy mohla poklesnout. Legislativa chránící zaměstnané Tato legislativa činí propouštění zaměstnanců více nákladnou záležitostí. Napomáhá tedy již zaměstnaným jedincům (insiderům). Zvýšené náklady na propouštění však také donutí firmy být více obezřetnými při najímání pracovníků, čili opět zvýhodňuje insidery, kteří tak mohou vyjednávat za větší mzdové požadavky. Empirické studie potvrzují, že dopad na různé skupiny kvalifikací je různý. Nezaměstnanost ve skupině nízkých kvalifikací se sníží méně než ve skupině vyšších kvalifikací (Mortensen, Pissarides, 1999). Daně Realná (produkční) mzda, kterou platí firmy, se liší od reálné (spotřební) mzdy, kterou obdrží pracovníci. Reálná produkční mzda je definována jako celkové náklady práce dělené cenovým indexem relevantním pro firmy (nejlépe deflátor HDP). Reálná spotřební mzda je pak čistá nominální mzda dělená CPI (Layard, Nickell, Jackman, 2005). Rozdíl mezi oběma je tedy dán poměrem cenových indexů (viz dále) a tzv. daňovým klínem, který se skládá z příspěvků na zdravotní a sociální pojištění (jak zaměstnanců, tak zaměstnanvatelů), dále pak z daní z příjmů a spotřebních daní. Čím větší je tento klín, tím nižší je reálná spotřební mzda (při dané výši reálné produkční mzdy) a tím pádem tím méně bolestivá je nezaměstnanost. To opět vyvolává tlaky na vyšší mzdové požadavky. Daňový klín má rovněž dopad na černou a šedou ekonomiku, která se stává lákavější, jelikož se daním vyhýbá. Obecně lze tedy říci, že daňový klín odrazuje pracovní sílu a volný čas se stává přitažlivějším. Stojí za zmínku, že reformy v této oblasti, které by pouze pozměnily relativní poměr mezi jednotlivými druhy daní a nechaly celkovou sazbu nepozměněnu nebudou mít přímý efekt na nezaměstnanost. Pracovníkům může být jedno zda více odvede na daních zaměstnavatel či oni. Mohli bychom však argumentovat, že nižší daně pro zaměstnavatele povedou ke snížení jejich nákladů a tím pádem rozšíření výroby a s tím i zvýšením zaměstnanosti. Rovněž přesun od daně ze mzdy na daň z nepracovních příjmů může učinit práci lákavější. Avšak zde existuje protiargument, že skupiny pracovníků nejvíce náchylné k nezaměstnanosti nemají dostatek nemzdových příjmů a tudíž je tato možnost pro ně irelevantní. Odborové organizace Odborové organizace jsou jednou z vyjednávacích stran. Jejich vliv závisí na počtu zaměstnanců, které zastupují, a na způsobu jejich organizace (koordinace). Je evidentní, že čím větší je pokrytí odborů, tím lepší vyjednávací pozici mají. Musíme si však uvědomit, že

4

Displacement effect.

počet členů odborové organizace nemusí být relevantním ukazatelem, jelikož kolektivní smlouvy mohou upravovat podmínky i pro nečleny5. Stupeň koordinace odborů se zdá být klíčový. Na nízkých úrovní může docházet k pokusům jednotlivých odborů o vzájemné předhánění se, což vede k inflačním tlakům. Zároveň se však má za to, že velmi nízká koordinace může naopak zmírnit mzdové požadavky, jelikož odbory nevědí jak se zachovají ostatní organizace v souvisejících odvětvích. Na opačné straně spektra se zas nevyjednává o přehnaných požadavcích, poněvadž si odborová organizace je daleko více vědoma širších ekonomických dopadů. Když tyto pohledy dáme dohromady, získáme parabolický průběh křivky, kde na obou extrémech (nízká a vysoká koordinace) jsou mzdové požadavky umírněnější. Minimální mzda Stanovení právně vynutitelného dna na mzdy činí pracovní sílu pod touto hranicí příliš drahou. To má za následek nezaměstnanost právě v takto ohrožených skupinách (především nízko kvalifikované). Dále minimální mzdy mohou mít „vedlejší efekty“6 vedoucí ke zvyšování mezd (Elmeskov, 1993). Empirické studie zaměřené na vliv minimálních mezd na nezaměstnanost neprezentují žádné jednoznačné závěry. Studie ze Spojených států často nenacházejí žádný vliv (např. Brown a spol., 1982), zatímco evropské studie, kde minimální mzda je relativně vyšší, vliv nacházejí. Více ekonomů se již shodne na tvrzení, že minimální mzdy mají negativní dopad na míru nezaměstnanosti mladé pracovní síly (Elmeskov, 1993, Dolado a spol., 1996). Otevřenost obchodu Konkurence z nízko-nákladových zemí může přivést domácí firmy ke krachu, přičemž nezaměstnaností pak nejvíce trpí opět skupiny s nízkou kvalifikací. Otevřenost však zároveň slouží jako protiinflační mechanismus. Domácí výrobci si i přes nízkou nezaměstnanost nemohou dovolit zvednout ceny. To by nasvědčovalo snížení NAIRU. Empirické studie tohoto efektu jsou však spíše zklamáním (Ball, Mankiw, 2002). Dále, globalizovaný kapitálový trh umožňuje firmám přesouvat produkci do zemí s nejnižšími náklady. To má za následek, že práce vyžadující nízkou kvalifikaci jsou přesouvány často do nově industrializovaných zemí. To má své dopady na nízko-kvalifikovanou pracovní sílu ve vyspělých zemích. Krugman (1995) poukazuje na to, že tento posun měl ve Spojených státech za následek větší mzdovou diferenciaci mezi skupinami kvalifikací. V Evropě, kde trhy práce jsou mnohem více rigidní, vedla tato změna k nezaměstnanosti v postižených skupinách. Stav na trhu práce V časech, kdy je trh práce v depresi (poměr volných míst a počtu nezaměstnaných je nízký), jsou pracovníci vystaveny horším vyhlídkám v případě ztráty zaměstnání. Míra nezaměstnanosti jako taková (při daném počtu volných míst) může sloužit jako určitý mechanismus disciplíny a brzdit mzdové požadavky (Shapiro, Stiglitz, 1984). Tím pádem i když budeme uvažovat rezervační mzdy (to je taková mzda, při které jsou pracovníci právě indiferentní k tomu, zda pracují či nikoli) pracovníků jako konstantní, mohou mzdy fluktuovat, a to díky změnám stavu trhu práce (Blanchard, Katz, 1997).

5

Např. ve Španělsku a Francii je jen zhruba 10% pracovníků členy odborových organizací, avšak 70% smluv je pokryto jejich vyjednáváními (Nickell, 1997). 6 Minimální mzdy jsou základem několika sociálních transferů.

1.3. Šoky Ekonomiky se nevyvíjí ve vakuu a právě změny v prostředí, ve kterém fungují, mají dopad na nejrůznější ekonomické proměnné. Nutno podotknout, že pod pojem šoky zahrnujeme nejen nenadálé skoky ale i sekulární změny. Změny v produktivitě Reálné mzdy se vyjednávají na základě dané úrovně produktivity, respektive růst reálných mezd by měl odpovídat růstu produktivity. Pokud by tomu tak nebylo a růst reálných mezd by přesahoval růst produktivity, práce by stávala drahou. Tento stav by měl za následek nezaměstnanost, nebo (pokud by nezaměstnanost zůstala nezměněná) růst cen produkce. Obě cesty by nakonec vedly k poklesu reálné mzdy až na úroveň odpovídající produktivitě. Stojí za zdůraznění, že naším zájmem zde jsou změny v tempu růstu produktivity. Důvodem je fakt, že produktivita v čase roste, avšak nezaměstnanost by měla být stacionární časovou řadou. Problémem je, že mzdy jsou často vyjednávány na delší období a tak prakticky zamezují pružnému přizpůsobení se změnám produktivity. I kdyby tedy pracovníci byli ochotni měnit rychle své reálné mzdy podle změn produktivity, není to zcela možné. Ve světě globalizovaných trhů, kde zvyšování cen je do značné míry omezeno, vedou změny v produktivitě ke změnám v nezaměstnanosti. Technologický pokrok Obecně technologický pokrok zvyšuje produktivitu. Pokud však nemá takovou podobu, že by ovlivnil všechny výrobní faktory stejným způsobem (Harrodovsky neutrální), povede s velkou pravděpodobností k jistým strukturálním změnám. Tyto změny jako takové budou mít za následek větší realokaci pracovní síly, čímž se zvedne krátkodobá (frikční) nezaměstnanost. Je zřejmé, že nová pracovní místa nemusí být vytvořena stejně rychle a tím se prodlouží doba setrvání v nezaměstnanosti se všemi svými důsledky, které byly naznačeny výše. Navíc může technologická změna posunout poptávku po práci mezi jednotlivými skupinami kvalifikací. Tyto posuny nejsou ani zdaleka symetrické. Pracovní síla s nízkou kvalifikací tvoří velmi plochou nabídkovou křivku, zatímco křivka nabídky kvalifikovaných pracovníků je mnohem více elastická. Tím pádem posun poptávky od méně kvalifikovaných směrem ke kvalifikovaným nebude mít vyrovnávací efekt. Zvýšení nezaměstnanosti méně kvalifikovaných převýší snížení nezaměstnanosti více kvalifikovaných. Úrokové sazby Změny úrokových sazeb ovlivní kapitálovou akumulaci. Při dané reálně mzdě (a tedy poměru kapitálu a práce) takovéto změny ovlivní nezaměstnanost. Vyšší úrokové sazby zvýší cenu kapitálu. V dlouhém období může být substituce kapitálu a práce považována za dostatečnou, ale v krátkém období těžko. Lze rovněž očekávat zpožděné dopady na ekonomiku. Nižší investice a spotřeba (popřípadě i vývozy v důsledku apreciace měnového kurzu) budou mít negativní efekt na hospodářství se zpožděním (Logeay, Tober, 2003). Vyšší úrokové sazby zvýší i nepracovní příjmy, což zlepšuje pozici pro mzdová vyjednávání. Výsledný efekt na nezaměstnanost nemusí však být dramatický, poněvadž jednotlivci nejvíce náchylní k nezaměstnanosti mají většinou omezené tyto nepracovní zdroje. Navíc pokud zvýšení sazeb přijde v době, kdy trh práce je v depresi, tak mechanismus disciplíny nezaměstnanosti nejspíše převáží.

Změny ve vzdělání a demografickém vývoji Různé věkové skupiny mají různé specifické míry nezaměstnanosti. Mladí mají obecně vyšší míry nezaměstnanosti. Naopak starší pracovní síla nevykazuje vyšší míry, ale jejich míra participace je nízká. Poměr jednotlivých skupin v celkové pracovní síle pak ovlivní přirozenou míru nezaměstnanosti a/nebo nabídku práce. Stejná argumentace platí i v případě vzdělanostní struktury pracovní síly. Nejvyšší míry nezaměstnanosti mají pracovníci se základním vzděláním. Naopak vysokoškolsky vzdělaná pracovní síla vykazuje nejnižší míry nezaměstnanosti. Ceny Již dříve bylo zmíněno, že vyjednávané reálné mzdy se liší (mimo jiné) i cenovými indexy, které se berou v úvahu. Výsledná reálná mzda a tedy i míra nezaměstnanosti pak závisí na tom, do jaké míry se zmiňované indexy liší. Důležitým faktorem (zejména pak v malé otevřené ekonomice) je vývoj směnných relací. Vliv směnných relací závisí na rozdílu mezi tím, jaký podíl dovozů je obsažen ve spotřebním koši pracovníků a ve vstupech výrobců.

2. Český trh práce Ještě před samotnou analýzou faktorů uvedených v teorii, bude vhodné letmo nastínit vývoj nezaměstnanosti v průběhu transformace. Poté se soustředíme na pracovní sílu jako takovou a následně pak teoreticky vymezenými institucemi a šoky, kterými česká ekonomika prošla.

2.1. Od úspěchu k trpké realitě7 Na počátku transformace byla česká ekonomika v relativně lepší pozici, co se nezaměstnanosti týče, než ostatní transitivní ekonomiky. Toto období bylo charakteristické nízkými měrami nezaměstnanosti (jak krátkodobé, tak dlouhodobé) a vysokou mírou participace. Tento vývoj byl, mimo jiné, podpořen relativně nízkým propadem HDP a odchody do důchodu8. Graf č. 1 Tempo růstu reálného HDP (v %, levá osa) a míra nezaměstnanosti (v %, pravá osa) 10

6 4

9

2

8

0

7

-2

6

-4 -6

Růst HDP

-8

Míra nezaměstnanosti

5 4

-10 -12

3 1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, OECD

7

Parafráze nadpisu… bla bla bla. Velká část ztrát zaměstnání se v nezaměstnanosti vůbec neobjevila, poněvadž dané osoby odešli do důchodu, tedy mimo pracovní sílu.

8

V polovině 90. let tento „zázrak“ zmizel. Dalo by se argumentovat, že žádný zázrak ani původně nebyl. Restrukturalizace ekonomiky byla jen odložena a tyto strukturální nedostatky se projevily až časem. V novém tisíciletí pak zaměstnanost nereagovala příliš na solidní růst ekonomiky a nezaměstnanost se tedy změnila jen mírně. Vývoj inflace (která je od roku 1999 relativně pod kontrolou) poukazuje spíše k faktorům, které měly negativní vliv na flexibilitu pracovního trhu. V dalším textu bude pozornost věnována právě těmto faktorům.

2.2. Pracovní síla Podobně jako „evropský“ problém s nezaměstnaností je způsoben jen několika zeměmi, tak problém české nezaměstnanosti je rovněž ovlivněn jen několika kraji. Proto budou někde ilustrativní data prezentována i na krajské úrovni.

2.2.1. Míra ekonomické aktivity Míra ekonomické aktivity klesala po celé období transformace a ve všech krajích. Průměrně poklesla o 2,5 procentního bodu (v Praze jen 0,7). Míra ekonomické aktivity žen je v průměru nižší, avšak tendence vývoje jsou odlišné a dokonce v některých regionech se míra ekonomické aktivity žen zvýšila. Míry ekonomické aktivity se liší mezi věkovými skupinami. Nejvyšší (okolo 90%) a s nejnižšími výkyvy je v primární věkové skupině (25-49). Nejvyšší propad naopak zaznamenala věková skupina 15-24, která snížila svou míru z 50 na 35%. Naopak pracovníci ve věku 50-64 navýšily svou míru z 33 na 42%. Graf č. 2 Míra ekonomické aktivity (levá osa) a míra nezaměstnanosti (pravá osa), v % 62,5

10,0

62,0

9,0

61,5

8,0

61,0

7,0

Míra ekonomické aktivity

60,5

6,0

Míra nezaměstnanosti

5,0

59,5

4,0

59,0

3,0

58,5

2,0 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q

60,0

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ

Z grafu č. 3 je patrný vztah mezi oběma mírami. Korelační koeficient je –0,72 a sílí s časovým zpožděním na nezaměstnanosti (korelační koeficient –0,92 u tříletého zpoždění)9. Zdá se, jako by míra nezaměstnanosti předstihovala míru ekonomické aktivity. Znamenalo by to, že vysoká míra nezaměstnanosti odrazuje od vstupu do pracovní síly, respektive motivuje k odchodu (mějme však na paměti, že korelační koeficient nedává žádnou informaci o kauzalitě).

9

Na krajské úrovni je patrné, že nejhorší kraje z hlediska nezaměstnanosti (Ústecký a Moravskoslezský) vykazují i nejsilnější vztah k míře ekonomické aktivity (korelační koeficient -0,82 respektive –0,85).

2.2.2. Míra nezaměstnanosti Graf č. 3 ukazuje, že míra nezaměstnanosti v Pražském regionu má mnohem „standardnější“ podobu (více stacionární), než celková nezaměstnanost. Avšak striktně řečeno, nelze ani pražskou míru nezaměstnanosti označit za stacionární časovou řadu (viz testy jednotkových kořenů v tabulce č. 1 v příloze), jakou by měla být (Layard, Nickell, Jackman, 2005). Graf č. 3 Míra nezaměstnanosti (v %) 10,0 9,0 Česká republika

8,0

Praha

7,0 6,0 5,0 4,0 3,0 2,0

Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4

1,0 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ

V letech 1997-1999 je zřetelný nárůst nezaměstnanosti. Mimo toto období je nezaměstnanost relativně konstantní, avšak ani pro tato období nelze označit časovou řadu jako stacionární (tabulka 1 v příloze). Testy jednotkových kořenů tak v podstatě vyvrací hypotézu, že by existovala jediná úroveň nezaměstnanosti, ke které by se skutečná míra po určitém vychýlení navracela. Naopak se zdá, že míra nezaměstnanosti je značně persistentní. Jako hrubý odhad této persistence lze použít jednoduchý ARMA (1;0) koeficient. Pro Českou republiku činí tento koeficient 0,98 a je silně statisticky významný10. I přes fakt, že takto jednoduchý model není nejlepší specifikací, lze z něj vyčíst, že míra nezaměstnanosti má velmi dobrou paměť a nese si velkou část zátěže z minulých let. Tabulka č. 3 v příloze poskytuje některé charakteristiky míry nezaměstnanosti České republiky a jejích krajů. Průměrná míra nezaměstnanosti v ČR činila ve sledovaném období 6,4%. Avšak vzhledem k tomu, že tato hodnota je silně ovlivněna vysokými hodnotami jen několika krajů, medián je lepším ukazatelem. Ten je o jeden procentní bod nižší. Dokonce jen tři regiony přesahují svou průměrnou mírou nezaměstnanosti průměr ČR. Zatímco na počátku sledovaného období byly startovní pozice krajů vcelku vyrovnané na 4,3% (směrodatná odchylka 0,65 a bez nejhoršího kraje jen 0,5), tak v průběhu času se situace výrazně změnila. V roce 1999 se průměrná míra nezaměstnanosti zdvojnásobila a směrodatné odchylky vzrostly více jak čtyřnásobně (2,86). Navíc vliv nejhorších regionů se zmírnil, což poukazuje na výrazné zhoršení i v ostatních regionech. V roce 2004 pak průměrná míra nezaměstnanosti mírně klesla na 8,1%. Vysoké směrodatné odchylky (3,32) a medián nižší než průměr (6,9%) ukazují na dominanci „špatných“ regionů v celkovém obrázku.

10

Pro Prahu je pak tento koeficient roven 0,91 a rovněž statisticky významný.

Vývoj v jednotlivých krajích lze sdružit do tří skupin (grafy 1-3 v příloze). Grafy znázorňují rozdíl mezi danou mírou nezaměstnanosti v kraji a mírou nezaměstnanosti Prahy (která je zde použita jako srovnávací region, který v daném období utrpěl nejméně). Tento rozdíl je pak dělen původní pozicí daného kraje. Takto získáme „očištěnou“ míru divergence o specifické výchozí podmínky. Můžeme pak pozorovat „čistý“ efekt šoků a vývoje na daném trhu práce během sledovaného období. Pokud by krajské trhy práce měly obdobné charakteristiky a byly vystaveny obdobným šokům jako Praha, tak by se očištěné divergence pohybovaly okolo výchozích hodnot11. Avšak z grafů je patrné, že tomu tak není. První skupina krajů (graf č. 1 v příloze) držela krok s Prahou jen do roku 1997, kdy začaly divergovat (s vrcholem v roce 1999). Poté se rozdíly začaly snižovat, ale jen do roku 2002, kdy začaly opět růst. Druhá skupina (graf č. 2 v příloze) nikdy nebyla schopna rozevírající se nůžky divergence zavřít. Poslední skupina (graf č. 3 v příloze) je charakteristická lepší výchozí pozicí než měl pražský region, avšak následně svou pozici rychle ztratila. Vrchol divergence byl v roce 1999 a jen částečně zmírněn v následujících letech. Je tedy patrné, že společné všem regionům byl nárůst rozdílů v letech 1997-1999. některé regiony byly schopny svou pozici vylepšit (alespoň částečně), avšak jiné si svou zhoršenou pozici ponechaly. Ještě jeden aspekt míry nezaměstnanosti stojí za zmínku. Dle definice se může míra nezaměstnanosti měnit dvěma kanály. Buď, ceteris paribus, naroste počet nezaměstnaných, nebo naopak poklesne počet pracovní síly. Z příspěvkové analýzy (graf č. 4 v příloze) je patrné, že vyjma let 1994 a 2000 jsou změny v míře nezaměstnanosti dány téměř výhradně změnami v počtu nezaměstnaných. Zvýšená míra nezaměstnanosti tedy není důsledkem klesající míry ekonomické aktivity.

2.2.3. Struktura nezaměstnanosti Věková struktura nezaměstnaných prošla výrazným vývojem. Jen primární skupina (25-49) má stabilní podíl zhruba 55%. Mladá pracovní síla (15-24) snížila svůj podíl v nezaměstnanosti o třetinu, zatímco starší (50-64) zdvojnásobily svůj podíl (graf č.4). Graf č. 4 Věková struktura nezaměstnaných 10,5%

1993

1,9%

32,5%

50-64

65+

1999

0,8%

29,4%

56,5%

55,1% 15-24

13,4%

25-49

15-24

19,5%

2004 0,3%

23,8%

56,4% 25-49

50-64

65+

15-24

25-49

50-64

65+

Pramen: ČSÚ

Ženy mají lehce vyšší podíl (52,8%) na celkové nezaměstnanosti. Téměř třetina nezaměstnaných jsou ženy ve věkové skupině 25-49, zatímco muži v tomto věku představují zhruba čtvrtinu nezaměstnaných. Mladá pracovní síla byla na zhruba stejné úrovni mezi oběma pohlavími. Avšak časem se ženský podíl zmenšil o polovinu, zatímco mužský zůstal stejný. U věkové skupiny 50-64 se obě pohlaví vyvíjela stejně a zdvojnásobila své podíly na 10%.

11

V našem případě je výchozí hodnota 1.

Vzdělanostní struktura je standardní. Jedinci se středoškolským vzděláním bez maturity tvoří necelou polovinu všech nezaměstnaných. Necelou čtvrtinu pak tvoří středoškolsky vzdělaní s maturitou a další čtvrtinu jedinci se základním nebo žádným vzděláním. Nejmenší podíl mají vysokoškolsky vzdělaní (tabulka č. 2 v příloze). Dramatické změny nastaly v časové struktuře nezaměstnanosti. Podíl dlouhodobě nezaměstnaných (více jak jeden rok) se prudce zvyšoval až nakonec přesáhl 50 % v roce 2004. Největší podíl na tomto nárůstu měla skupina velmi dlouhodobě nezaměstnaných (více jak dva roky), která navýšila svůj podíl šestkrát (!)12. Spolu s tímto vývojem se podíl pracovníků, kteří naleznou práci během prvních 3 měsíců, rapidně snížil ze 40 na 13,8% v roce 2004. Podíl nezaměstnaných v kritické délce 6-12 měsíců zůstal zhruba stejný. Takovýto vývoj poukazuje spíše na zvýšené obtíže s hledáním zaměstnání než, že by se zvýšil počet propuštěných (tabulka č. 4 v příloze). Graf č. 5 dokumentuje myšlenku, že navýšení nezaměstnanosti vyplynulo především z navýšení doby trvání již nezaměstnaných a nikoli novým přílivem jedinců do nezaměstnanosti (podíl krátkodobě nezaměstnaných ve sledovaném období klesal). Graf č. 5 Podíly dlouhodobé (LT) a 6-12 měsíční nezaměstnanosti na celkové (levá osa) a míra nezaměstnanosti (v %, pravá osa) 60,0%

10,0 9,0

50,0%

8,0 7,0

40,0%

6,0 30,0%

5,0 4,0

20,0%

3,0

10,0%

LT

6-12 M

2,0

Míra nezaměstnanosti

1,0 0,0%

0,0 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty

2.2.4. Volná místa Vývoj počtu volných míst má zřetelně procyklický (korelační koeficient 0,7) charakter (graf č. 5 v příloze), přičemž se zdá, že volná místa reagují na vývoj HDP se zpožděním jednoho čtvrtletí (korelační koeficient 0,75). Průběh volných pracovních míst je však mnohem volatilnější, než-li vývoj HDP. Navíc v kritickém období 1997-1999 zaznamenaly silný propad, kdy průměrný počet volných míst na čtvrtletí se zmenšil o dvě třetiny (!). Z tohoto propadu se již nedostaly a i jejich pozdější nejvyšší hodnota (v roce 2001) činila jen 60% průměru v roce 1996.

12

Ženy vykazují jak vyšší hodnoty tak strmější nárůsty v podílu dlouhodobě nezaměstnaných.

Graf č. 6 Beveridgeova křivka. Počet volných pracovních míst (v tisících, vertikální osa) a míra nezaměstnanosti (v %, horizontální osa) 110 2Q/3Q1996

100 90 80 1995/1996 70

2Q2002

60

3Q2001

1997/1998

1Q2004 1Q2001

50 40 2Q1999 30 3,5

4,0

4,5

5,0

5,5

6,0

6,5

7,0

7,5

8,0

8,5

9,0

9,5

10,0

Pramen: ČSÚ, MPS, vlastní výpočty

Beveridgeova křivka, tak jak je znázorněna zde (graf č. 6), poukazuje při posunu vpravo na zvýšení nesouladu mezi poptávkou a nabídkou práce (mismatch). Stojí za upozornění, že interpretace nemusí nutně být v prostorovém či odborném nesouladu, ale také ve zvýšené vybíravosti pracovníků (Blanchard, Diamond, 1989). Rovněž posun šikmo vpravo dolů nemusí značit zvýšený nesoulad, jelikož vyšší míra nezaměstnanosti může být způsobena jen nižším počtem volných míst při konstantní úrovní odchodu z nezaměstnanosti do zaměstnanosti (exit rate). Je však patrné, že mezi lety 1998 a 2001 nesoulad narostl.

2.2.5. NAIRU Nejprve se podívejme na hrubý odhad NAIRU (graf č. 7). Kde křivka protíná horizontální osu, najdeme příslušnou hodnotu NAIRU. Graf rovněž označuje čtvrtletí odpovídající těmto bodům. Je zřetelný posun hodnot od 4% v roce 1996 až k vrcholu zhruba 9,25% na přelomu let 1999 a 2000. Poté hodnoty lehce spadly a fluktuovaly okolo 8%. Graf č. 7 NAIRU. Změna CPI (v procentních bodech, vertikální osa) a míra nezaměstnanosti (v %, horizontální osa) 8,0 6,0 -1Q/2Q2001

4,0

3Q/4Q2003

3Q1996

2,0

1Q1997 3Q1998

1999/2000

0,0 -2,0

2000/2001

3Q1997

2001/2002

-4,0 -6,0 -8,0 -10,0 -12,0 3,0

3,5

4,0

4,5

5,0

5,5

6,0

6,5

7,0

7,5

8,0

8,5

9,0

9,5

10,0

Pramen: ČSÚ, vlastní výpočty

Dalším hrubým ukazatelem by mohla být míra nezaměstnanosti tvořená pouze dlouhodobě nezaměstnanými (kteří si práci najdou jen s velkými obtížemi) a velmi krátkodobě nezaměstnanými (v podstatě frikční nezaměstnanost). Takováto hodnota nám pak udá dolní hranici rovnovážné míry nezaměstnanosti za daných podmínek na trhu práce. Tento ukazatel se více jak zdvojnásobil z hodnot 2,4% v roce 1993 s vrcholem v roce 2000 (5,4%) a poté mírně klesl. Ekonometricky více sofistikovaný13 odhad NAIRU (graf č. 8) podávají Hurník a Navrátil (2005). Zde jsou hodnoty mírně odlišné, ale obecná myšlenka je shodná. Česká NAIRU se posunula v průběhu sledovaného období o něco mezi 2-4 procentní body. Grafy č. 8 Míra nezaměstnanosti a NAIRU ( v %)

Pramen: Hurník, Navrátil, 2005

2.3. Institucionální prostředí pracovního trhu 2.3.1. Dávky v nezaměstnanosti Systém dávek v nezaměstnanosti v České republice lze považovat za relativně striktní (Mareš, Sirovátka, 2005; Ederveen, Thissen, 2004). Za prvé, doba poskytování dávek je jen 6 měsíců. Výše dávek závisí na průměrné čisté mzdě, kterou měl nezaměstnaný v minulých letech. Navíc v roce 1998 došlo k několika úpravám. Výše dávek se zmenšila z 60 na 50% (první tři měsíce), z 50 na 40% (druhé tři měsíce) a ze 70 na 60% (v případě absolvování rekvalifikace) minulé čisté mzdy. V roce 2004 proběhly některé úpravy zvýhodňující pracovníky starší 50 let. Pro nárok na dávky v nezaměstnanosti je navíc nutné pracovat alespoň 12 měsíců v posledních třech letech a vyžadovaná doba mezi registracemi je minimálně 6 měsíců. V českém kontextu je však nutné brát v úvahu i jiné sociální dávky, které jsou vesměs relativně štědré (tabulka č. 1). Životní minimum je relevantní pro nezaměstnané a v některých případech (zejména pro pracovníky dlouhodobě nezaměstnané) i důležitějším ukazatelem, než jsou dávky v nezaměstnanosti (Mareš, Sirovátka, 2005). I přes ztrátu dávek v nezaměstnanosti po 6 měsících je však život na ostatních dávkách možný a v případě rodiny s dětmi i konkuruje pracovním příjmům (past nezaměstnanosti). Ilustrativní příklad v tabulce č. 1 ukazuje, že životní minimum pro rodinu s dvěma dětmi bylo relativně pohodlné na 110% hrubé průměrné mzdy v roce 1993. Tento poměr sice poklesl, ale stále je na relativně vysokých hodnotách okolo 70% v roce 2004. 13

Založen na Gaussovské metodě maximální pravděpodobnosti, která se používá pro odhady nepozorovatelných proměnných využívající přitom krátkodobý vztah mezi cenovým vývojem a pozicí ekonomiky v hospodářském cyklu.

Tabulka č. 1 Vybrané charakteristiky systému dávek v České republice (v % průměrné hrubé mzdy Hrubá průměrná mzda Průměrná dávka v nezaměstnanosti Životní minimum: Jeden dospělý Pár se dvěma dětmi (10-15 a 15-26 let věku)

1993

1994

1995

1996*

1997

1998

1999

2000

2001

2002

2003

2004

5 904

7 004

8 307

27,3

29,8

25,8

26,6

31,2

25,9

24,1

22,9

20,7

25,9

25,6

22,8

33,2

30,8

29,4

27,07 29,41

28,1

29,1

26,8

27,7

27,7

25,8

24,2

22,7

110,3

102,5

96,3

87,84 94,55

90,4

90,4

83,4

83,4

82,5

76,9

72,1

67,6

9 825 10 802 11 801 12 797 13 614 14 793 15 866 16 917 18 035

Pramen: ČSÚ, MPSV, vlastní výpočty

2.3.2. Aktivní politika zaměstnanosti Jen ve dvou letech byly výdaje na aktivní politiku zaměstnanosti vyšší než výdaje na politiku pasivní (dávky v nezaměstnanosti). Graf č. 6 v příloze pak dokumentuje procykličnost obou typů výdajů vzhledem k míře nezaměstnanosti. Vhodnou úpravou je vydělení hodnot výdajů na politiku zaměstnanosti mírou nezaměstnanosti. Získáme tak hodnotu výdajů na politiku zaměstnanosti jako procento HDP na jedno procento nezaměstnanosti. Pokud by politiky byly konsistentní, tak tato hodnota by fluktuovala okolo jedné hodnoty. To se však neděje. Graf č. 9 ukazuje vývoj těchto ukazatelů. Je patrné, že APZ jen mírně reagovala na nárůst nezaměstnanosti, ale nikdy již nedosáhla svých původních hodnot. Naopak výdaje na PPZ zareagovali dosti prudce a nakonec se usadily na vyšší úrovni než dříve. Graf č. 9 Výdaje na APZ a PPZ jako procento HDP dělené mírou nezaměstnanosti (levá osa) a míra nezaměstnanosti (v %, pravá osa) 0,045

10,0 APZ

0,040

PPZ

Míra nezaměstnanosti

9,0 8,0

0,035

7,0

0,030

6,0

0,025

5,0 0,020

4,0

0,015

3,0

0,010

2,0

0,005

1,0

0,000

0,0 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, OECD, vlastní výpočty

Cíl aktivní politiky zaměstnanosti je zamezit pracovníkům ztratit zaměstnání, nebo zkrátit jejich pobyt v nezaměstnanosti. Realita ukazuje, že ani jeden z těchto cílů nebyl splněn. Nezaměstnanost narostla a s ní i průměrná doba trvání pobytu v nezaměstnanosti. Podíl dlouhodobě nezaměstnaných se více jak zdvojnásobil, zatímco podíl krátkodobě nezaměstnaných se ztenčil na polovinu.

2.3.3. Daně Již dříve bylo zmíněno, že je rozdíl mezi reálnou mzdou placenou zaměstnavatelem a reálnou mzdou obdrženou zaměstnancem. Je užitečné si tento rozdíl formálně rozepsat. prod _ mzda =

w(1 + SC f )

GDPdeflátor w(1 − SC w ) spotř _ mzda = CPI kde SCf a SCw jsou sociální příspěvky placené zaměstnavatelem, respektive zaměstnancem. Při porovnávání obou mezd získáme daňový klín a v poměru cenových indexů jsou zahrnuté spotřební daně (v rámci CPI).

produkční _ mzda (1 + SC f ) CPI = * = daňový _ klín ∗ cenový _ klín spotřební _ mzda (1 − SC w ) GDPdeflátor Relevantní pro mzdová vyjednávání jsou změny v těchto klínech, jelikož konstantní hodnota by, ceteris paribus, neposkytovala žádné důvody ke změnám požadavků. Zvýšení klínu tak bude sloužit jako faktor podporující růst mezd (nezaměstnanosti). Graf č. 7 v příloze ukazuje vývoj daňového klínu a jeho trendu, který má relativně silný vztah k míře nezaměstnanosti (statisticky významný korelační koeficient 0,6).

2.3.4. Minimální mzda Tabulka č. 2 podává obrázek vývoje minimální mzdy v České republice. Je zajímavé, že minimální mzda relativně k hrubé průměrné mzdě klesala celé sledované období až do roku 1999, kdy začala růst a dosahuje své výchozí pozice na zhruba 37%. Alarmujícím ukazatelem je pak poměr životního minima dospělého a minimální mzdy. V letech 1995-1999 tento poměr byl větší než jedna, což znamená, že bylo výhodnější pobírat životní minimum, než-li pracovat za minimální mzdu. Pokud si uvědomíme, že nízko-kvalifikovaná pracovní síla, která pravděpodobněji pracuje za minimální mzdy, je rovněž skupinou nejvíce ohroženou nezaměstnaností, tak takováto situace významně znevýhodňuje práci. Je to také vysvětlením pro navyšující se podíl dlouhodobé nezaměstnanosti. Zůstat v nezaměstnanosti po delší dobu nebylo tak bolestivé a se zhoršenými podmínkami na pracovním trhu v té době, by se to dalo považovat i za racionální.

Tabulka č. 2 Minimální mzda 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

5 904

7 004

8 307

9 825

10 802

11 801

12 797

13 614

14 793

15 866

16 917

18 035

V korunách

2200

2200

2200

2500

2500

2650

3250 3600

4000 4500

5000

5700

6200

6700

% of HPM

37,26

31,41

26,48

25,45

23,14

22,46

25,40 28,13

29,38 33,05

33,80

35,93

36,65

37,15

Životní min/min mzda

0,891

0,982

1,109

1,064 1,156

1,216

1,294

1,055 0,953

0,942 0,838

0,820

0,719

0,661

0,612

Hrubá průměrná mzda

Min. mzda

Pramen: ČSÚ, MPSV, vlastní výpočty

2.3.5. Obchodní a tržní konkurence Otevřenost české ekonomiky se ve sledovaném období zvýšila. Oba ukazatele (vývozy, ale i celkový obchod ku HDP) se během daného období více jak zdvojnásobily. Existuje však zádrhel při měření otevřenosti v transitivních ekonomikách. Obecně je cenová hladina v české ekonomické nižší než světové ceny a proto i otevřenost by měla být počítána v paritách kupních sil. Takto upravený ukazatel otevřenosti je pak téměř poloviční (tabulka č. 5 v příloze). Avšak pro náš účel důležitější meziroční tempa růstu otevřenosti, jsou rovněž výrazně odlišné (graf č. 8 v příloze). Tempa růstu obou ukazatelů jsou téměř identická. Liší se však od stejných ukazatelů počítaných v PPP, kdy v roce 2000 se vývoj ukazatelů rozchází. Tempa růstu upravených ukazatelů jsou nižší v kritickém období a dokonce otevřenost v letech 1997 a 1999 poklesla. Teorie by napovídala, že nízko-kvalifikovaná pracovní síla bude otevřeností (konkurencí z nízko-nákladových zemí) nejvíce ohrožena. Avšak míra nezaměstnanosti jen nejšíře definované nízko-kvalifikované pracovní síly vykazuje korelační koeficient –0,5 (ovšem statisticky nevýznamný). Větší otevřenost s sebou přináší i větší zapojení zahraničních investorů do ekonomiky (příliv PZI). Mezi politiky převládá názor, že přímé zahraniční investice napomáhají tvorbě pracovních míst, avšak ekonomové jsou v tomto směru skeptičtější. Kvůli reorganizačním krokům a opatřením šetřící práci, může počet pracovních míst i poklesnout. Navíc větší mezinárodní firmy mohou mít destruktivní vliv na malé domácí producenty (Janáček, 2005). Vztah mezi úrovní PZI a mírou nezaměstnanosti je celkem silný (korelační koeficient 0,58). Avšak tento vztah může být náhodný, jelikož během velkého nárůstu nezaměstnanosti byly představeny i investiční pobídky, které mohly přilákat zahraniční investory. Rovněž vzhledem k tomu, že obě časové řady jsou spíše souběžné, než-li PZI by předstihovaly nezaměstnanost, měli bychom tato data interpretovat opatrně.

2.3.6. Ostatní instituce Některé instituce, ač relevantní v průřezových analýzách, nevykázaly velké změny během sledovaného období, nebo pro ně nejsou dostupná data. Například pro Českou republiku neexistuje časová řada indexu legislativy chránící zaměstnance. Jediným údajem v tomto ohledu je 12. místo mezi zeměmi OECD v druhé polovině 90. let (OECD, 1999). Z tohoto pohledu se tato legislativa v ČR nezdá býti striktní a tudíž by neměla přispívat k rigiditě pracovního trhu. Také vliv odborů se v průběhu času příliš nezměnil. Jen míra zastoupení mírně klesla (Večerník, 2001). Jeden faktor je však v případě české ekonomiky velmi důležitý. Tím je regulace na trhu s nájemním bydlením. Tato potíž silně znesnadňuje prostorovou mobilitu pracovní síly. Avšak ani tento faktor nevykázal během sledovaného období výrazné změny. Můžeme však argumentovat, že potřeba prostorové mobility se zvýšila při narůstající restrukturalizaci ekonomiky a zvyšujícím se nesouladu mezi poptávkou a nabídkou práce. V takovémto případě by i tento faktor byl relevantním, přestože se v čase příliš neměnil.

2.4. Šoky 2.4.1. Produktivita Graf č. 9 v příloze ukazuje, že v letech 1997-1999 došlo ke zpomalení produktivity práce. Avšak další zpomalení nastalo i v letech 2001-2002, ale tentokrát bylo doprovázeno poklesem míry nezaměstnanosti. Tyto protichůdné tendence nám nepomohou k ověření teorie. Dalším způsobem, jak studovat produktivitu práce, je pozorovat vývoj podílu mezd na produktu. V případě růstu tohoto podílu, dochází k zaostávání produktivity práce za reálným růstem mezd. Graf č. 10 v příloze ukazuje, že v letech 1996-1997 narostl podíl mezd na produktu a posléze se opět zmírnil. Zároveň je opět nárůst podílu v roce 2002, ale doprovázený poklesem nezaměstnanosti. Souhrnná produktivita faktorů (TFP), kalkulovaná jako Solowovo residuum, nám však ukazuje odlišný pohled (graf č. 10). Došlo jen k mírnému zpomalení v roce 1998 s následným relativně prudkým zrychlením v roce 1999. Tato okolnost a fakt, že v letech snižování nezaměstnanosti (2000-2002) dochází ke zpomalení růstu TFP, nepoukazují na to, že by vývoj míry nezaměstnanosti byl těsně spjat s vývojem produktivity.

Graf č. 10 Změny* tempa růstu TFP (v procentních bodech, levá osa) a míra nezaměstnanosti (v % pravá osa). 5

10 Změna

Odchy lka

Míra nezaměstnanosti

9

4

8

3

7

2

6

1

5

0

4 3

-1

2

-2

1

-3

0 1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty *) Změna je meziroční změna tempa růstu TFP a odchylka je odchylka od průměrného růstu TFP v daném období.

2.4.2. Technologie Během celého sledovaného období docházelo stabilně k odklonu poptávky po práci od nízkokvalifikované pracovní síle. Podíl této skupiny v nejužší definici na celkové zaměstnanosti poklesl o tři procentní body. Při širší definici dochází až k poklesu o 7 procentních bodů (tabulka č. 6 v příloze). Tyto posuny mohou být připsány změnám v technologii (širší využití informačních technologií na všech úrovních výrobního procesu, nízko-kvalifikovanou práci šetřící opatření a obecná tendence restrukturalizace ekonomiky charakteristická odklonem od tradičního průmyslu směrem ke službám), které jsou vychýleny směrem k vyšší kvalifikaci pracovní síly.

2.4.3. Úrokové sazby Světové (zde uvažován průměr EU-1514) úrokové sazby (jak krátkodobé, tak dlouhodobé) se během 90. let plynule snižovaly a tudíž nejsou důvodem růstu nezaměstnanosti ve stejném období.

2.4.4. Demografie a vzdělání Graf č. 11 znázorňuje tzv. Perryho vážené (Perry, 1970) míry nezaměstnanosti. Princip tkví v tom, že různé věkové skupiny mají rozdílné specifické míry nezaměstnanosti. Můžeme tudíž sestavit teoretické míry nezaměstnanosti buď s konstantními specifickými mírami a měnlivou věkovou strukturou, či naopak. Je patrné, že demografické změny měly dokonce spíše positivní vliv na vývoj nezaměstnanosti. Pokud by specifické míry nezaměstnanosti zůstaly konstantní na své úrovni z roku 1993 a měnila by se pouze věková struktura pracovní síly (křivka „konstantní míry“), došlo by k mírnému poklesu míry nezaměstnanosti na méně než 4%. Tudíž demografický vývoj není faktorem ovlivňující nárůst nezaměstnanosti v ČR.

Graf č. 11 Demografické Perryho vážené míry nezaměstnanosti (v %) 11 Konstantní míry*

Konstantní demografie**

Skutečná***

10 9 8 7 6 5 4 3 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty *) Specifické míry nezaměstnanosti jsou konstantní na svých hladinách z roku 1993, zatímco demografická struktura se mění. **) Demografická struktura pracovní síly je konstantní na úrovni roku 1993 a specifické míry nezaměstnanosti se mění. ***) Skutečná míra nezaměstnanosti.

Stejný princip můžeme aplikovat na vzdělanostní strukturu (graf č. 12). Vidíme téměř identický obraz, kdy jediný vliv na měnící se míru nezaměstnanosti mají specifické míry. Pokud by zůstaly konstantní během sledovaného období, tak by vylepšení vzdělanostní úrovně pracovní síly mělo za následek snížení míry nezaměstnanosti.

14

Jelikož největší podíl zahraničního obchodu je právě s těmito zeměmi.

Graf č. 12 Vzdělanostní Perryho vážené míry nezaměstnanosti (v %) 11 Konstantní vzdělání*

Konstantní míry**

Skutečnál***

10 9 8 7 6 5 4 3 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty *) Specifické míry nezaměstnanosti jsou konstantní na svých hladinách z roku 1993, zatímco vzdělanostní struktura se mění. **) Vzdělanostní struktura pracovní síly je konstantní na úrovni roku 1993 a specifické míry nezaměstnanosti se mění. ***) Skutečná míra nezaměstnanosti.

2.4.5. Ceny a náklady práce Dříve byla reálná produkční a spotřební mzda dekomponována za účelem analýzy daní. Stejný postup můžeme zvolit v případě analýzy cenového vývoje a celkových nákladů práce. Index mzdového rozdílu je podíl reálné produkční (celkové průměrné náklady práce deflovány PPI) a spotřební (čistá průměrná mzda deflována CPI) mzdy. Zvýšení hodnoty indexu může nastat buď kvůli růstu produkční mzdy (tedy při dané úrovni zaměstnanosti se práce stává drahou), nebo poklesu spotřební mzdy (což snižuje negativní důsledky nezaměstnanosti a podporuje pracovníky v snaze o vyšší mzdové požadavky). Index mzdového rozdílu lze vyjádřit následovně: produkční _ mzda náklady _ práce čistá _ mzda náklady _ práce CPI = / = ∗ = spotřební _ mzda PPI CPI produkční _ mzda PPI

= nákladový _ klín ∗ cenový _ klín Tabulka č. 3 Mzdová mezera Index mzdového rozdílu

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

4,27

4,22

4,40

4,37

4,35

4,65

4,67

4,80

5,23

5,33

0,988

1,043

0,993

0,995

1,069

1,003

1,028

1,090

1,020

4,09

4,17

4,17

4,18

4,31

4,51

4,54

4,78

4,90

1,012

1,021

0,999

1,003

1,030

1,047

1,006

1,053

1,025

1,03

1,05

1,05

1,04

1,08

1,03

1,06

1,09

1,09

0,976

1,022

0,995

0,992

1,038

0,959

1,021

1,035

0,995

Meziroční index Nákladový klín

4,04

Meziroční index Cenový klín Meziroční index

1,06

Pramen: ČSÚ, vlastní výpočty

Nákladový klín obsahuje daně (90%), administrativní a personální náklady, zatímco cenový klín v sobě zahrnuje rozdílné vývoje cenových indexů. Hodnoty změny indexu větší než 1 ukazují na vývoj tlačící nezaměstnanost vzhůru (tabulka č. 3). Příspěvková analýza (graf č. 11 v příloze) ukazuje, že nákladový klín byl téměř výlučným faktorem tlačící nezaměstnanost vzhůru (což potvrzuje závěry učiněné na základě analýzy vlivu daní). Naopak cenové vývoje byly relativně příznivé pro vývoj míry nezaměstnanosti ve sledovaném období.

2.4.6. Transformační proces Česká ekonomika procházela a stále prochází procesem transformace. To v sobě zahrnuje změny ve struktuře ekonomiky, deindustrializace, deagrarizaci a na druhou stranu růst sektoru služeb. Strukturální změny se odráží ve vývoji zaměstnanosti. Tabulka č. 7 v příloze ukazuje tento vývoj ve vybraných sektorech. Je zřejmé, že služby přestaly v druhé polovině roku 1996 absorbovat pracovníky, kteří ztratily zaměstnání v sektorech, které jsou na ústupu. Ani později nedosáhl čistý efekt úrovně před rokem 1995 a pracovních míst bylo vytvářeno méně. Tento vztah je silnější v relaci s krátkodobou nezaměstnaností, což potvrzuje tzv. FIFO (first in first out) vlastnost nezaměstnanosti. Souvisejícím důsledkem restrukturalizace je potřeba mobility nejen mezi sektory, ale také mezi regiony. Jako hrubý odhad potřeby prostorové mobility je zde použit variační koeficient krajských měr nezaměstnanosti. Logika tkví v tom, že rozdílné podmínky na pracovních trzích poukazují na potřebu prostorové mobility. To, spojeno s překážkami v podobě regulace trhu s nájemním bydlením, může vést ke zvýšení nezaměstnanosti. Graf č. 12 v příloze ukazuje, že variační koeficient prudce narůstal od roku 1993 s vrcholem v letech 1996-1997 na více jak trojnásobku své původní hodnoty. To odpovídá nárůstu nezaměstnanosti v tomto období a s nárůstem podílu dlouhodobé nezaměstnanosti o rok později. Tato spojitost je silnější v relaci k dlouhodobé nezaměstnanosti. Lze to vysvětlit tím, že pracovní místa v daném regionu jsou zaplněna krátkodobě nezaměstnanými a tudíž dlouhodobě nezaměstnaní jsou těmito rigiditami více ovlivněni.

3. Kvantitativní analýza V této části využijeme jednoduchý strukturální model ke kvantifikaci vlivů, které byly teoreticky označeny a analyzovány v předcházejících částech.

3.1. Strukturální model Strukturální model je založen na metodice prezentované v Layard, Nickell, Jackman (2005), kde NAIRU (nebo rovnovážná míra nezaměstnanosti) je determinována v systému mzdového a cenového vyjednávání. Všechny proměnné jsou v přirozených logaritmech.

Stanovení cen:

p f − w e (1 + daně f ) = α 0 − α 1 u − α 2 ( y − l) ,

(1)

kde pf a daněf jsou ceny firem (deflátor HDP) a daně placené firmami. We jsou očekávané čisté mzdy.

Stanovení mezd:

w(1 − soc w ) − p we = β 0 − β 1u + β 2 ( y − l ) + β 3 z w ,

(2)

kde socw jsou sociální příspěvky placené zaměstnancem, pew jsou očekávané ceny pracovníků (CPI) a zw je vektor faktorů ovlivňující úroveň mezd. Zde zw obsahuje index náhrady dávek v nezaměstnanosti (brr), index náhrady sociálních dávek (ssr) a indikátory nesouladu (var je rozptyl krajských měr nezaměstnanosti jakožto odhad potřeby prostorové mobility a index je index intenzity strukturálních změn odhadující zvýšenou potřebu mobility mezi povoláními). Z rovnic (1) a (2) získáme dlouhodobou rovnovážnou míru nezaměstnanosti při předpokladu stálého stavu, kde nejsou žádná překvapení (pe = p, we = w) a produktivita práce je neutrální vůči nezaměstnanosti (α2 = β2). u* =

α 0 + β 0 + ( β 2 − α 2 )( y − l ) + β 3 z w + ( p f − p w ) + w(tax f + soc w ) α 1 + β1

(3)

Vzhledem k tomu, že skutečná míra nezaměstnanosti fluktuuje okolo NAIRU, musíme tyto výkyvy specifikovat. Pro tento účel jsou do modelu přidány krátkodobá nabídka a poptávka.

Krátkodobá agregátní nabídka: ∆p − ∆p −1 = −γ 1 (u − u * ) − γ 2 (u − u −1 ) ,

(4)

kde standardní rovnice Phillipsovy křivky je upravena o člen zohledňující persistenci v nezaměstnanosti.

Krátkodobá agregátní poptávka:

u=−

1

δ1

( y − p) ,

(5)

kde míra nezaměstnanosti reaguje na reálný růst HDP. Řešení rovnic (4) a (5) pro nezaměstnanost a použití rovnice (3), získáme následující u = φ 0 + φ1 u t −1 + φ 2 brr + φ 3 ssr + φ 4 cenový _ klín + φ 5 daňový _ klín + φ 6 var + φ 7 index +

+ φ 9 hdp + φ10 ∆π ,

(6)

φ1 , φ 2 , φ3 , φ 4 , φ5 , φ 6 , φ 7 > 0 φ9 , φ10 < 0 , kde π je inflace, cenový klín je (pf - pw) a daňový klín (daněf + socw) a ∆ značí první diferenci. Šoky v produktivitě práce se do modelu nezahrnují z důvodu značného omezení počtu pozorování.

3.2. Výsledky odhadů Definice proměnných a použitých dat je v příloze. Je třeba upozornit, že data jsou krátkého trvání a navíc z ekonomiky, která prochází závažnými ekonomickými proměnami. Z těchto důvodů musí být veškeré výsledky interpretovány opatrně. Nejprve se podívejme na regresi obecně. Ekonometrické testy vyšly dobře. Jedinou starostí by mohla být autokorelace (testové statistiky jsou uvedeny v tabulce 5), ale ani ta nečiní obtíže (ve všech regresích není možné zamítnout nulovou hypotézu absence autokorelace alespoň na standardní 5% hladině významnosti). Všechny koeficienty mají svá a priori očekávaná znaménka, kromě změny indexu náhrady dávek v nezaměstnanosti pro krátkodobou nezaměstnanosti, reálného růstu HDP pro dlouhodobou nezaměstnanost a změny inflace pro všechny regrese. Je pochopitelné, že změna indexu náhrad dávek v nezaměstnanosti není signifikantním ukazatelem pro krátkodobě nezaměstnané, pokud si uvědomíme, že právě tato skupina si nepřeje zůstat ne dávkách příliš dlouho. Stejně tak reálný

růst HDP nebude mít dopad na dlouhodobě nezaměstnané, jelikož v konjunktuře zaplní nová pracovní místa především krátkodobě nezaměstnaní (FIFO charakteristika). Neočekávaný (kladný) koeficient u změn inflace může být důsledkem několika vlivů. Cenový vývoj v malé otevřené ekonomice, která ve sledovaném období prošla jak změnou režimu měnového kurzu, tak změnou v měnové politice, se nemusí nutně chovat podle učebnic. Všechny regrese potvrzují silnou persistenci nezaměstnanosti. Pro celkovou a krátkodobou nezaměstnanost dokonce platí, že 90% procent minulé hodnoty je přeneseno do dalšího období. To silně podporuje teorii hysterze. Dávky v nezaměstnanosti mají vliv na celkovou a o něco silnější na dlouhodobou nezaměstnanost. Stejně tomu je i u sociálních dávek. Oba ukazatele jsou pak nesignifikantní pro krátkodobou nezaměstnanost. To zapadá do myšlenky, že dlouhodobě nezaměstnaní ztrácejí naději při hledání zaměstnání a jsou pak odkázáni na dávky, jako svůj primární zdroj příjmů. Navíc širší sociální dávky jsou silnější determinantou pro celkovou nezaměstnanost než-li dávky v nezaměstnanosti, což je zcela jistě nežádoucí charakteristika. Vliv daňového klínu je téměř dvojnásobný u dlouhodobé nezaměstnanosti, než je tomu u celkové. Pro krátkodobou je pak nesignifikantní. Ukazuje se, že v kombinaci s relativně štědrými možnostmi v případě nezaměstnanosti má vyšší daňový klín (nižší spotřební mzda při dané mzdě produkční) negativní dopady na motivaci pro dlouhodobě nezaměstnané navrátit se do pracovního procesu. Cenový klín má největší koeficient a je signifikantní pro celkovou a krátkodobou nezaměstnanost. Fakt, že dlouhodobá nezaměstnanost na cenový vývoj nereaguje poukazuje opět na charakteristiku FIFO. Pracovníci mohou kvůli cenovému vývoji ztratit práci, avšak při zlepšení podmínek práci získají jen krátkodobě nezaměstnaní. Reálný růst HDP je signifikantní jen pro krátkodobou nezaměstnanost. Opět by to nemělo být překvapující, jelikož krátkodobě nezaměstnaní jsou v první linii pro nástup do zaměstnání při příznivém ekonomickém vývoji. Změny v inflaci jsou nesignifikantní a s neočekávaným znaménkem pro všechny regrese. Možné důvody byly uvedeny výše. Proměnná odhadující nutnost prostorové mobility je významná jen pro dlouhodobě nezaměstnané. To koresponduje s myšlenkou, že krátkodobě nezaměstnaní jsou schopni si najít místo v jejich okolí, zatímco pro dlouhodobě nezaměstnané práce již není. Jsou tedy těmito rigiditami více ovlivněni. Na druhé straně strukturální změny, jako odhad nutnosti mobility mezi zaměstnáními, jsou nesignifikantní pro dlouhodobou nezaměstnanost. Poukazuje to na to, že v delším období jsou pracovníci schopni se přizpůsobit a najít si práci v jiném oboru.

Tabulka č. 5 Výsledky odhadů rovnice (6), v závorkách jsou t-statistiky Závislá proměnná Úrovňová konstanta U-1 Dlouhodobá U-1 Krátkodobá U-1 ∆ BRR SSR Daňový klín Cenový klín Reálný růst HDP Změna inflace Nutnost prostorové mobility Nutnost mobility mezi zaměstnáními 2

Upravený R

Autokorelace

Nezaměstnanost Celková Dlouhodobá Krátkodobá -0.533 (-2.0) -1.193 (-2.6) -0.025 (-0.1) 0.870 (10.4) 0.799 (7.5) 0.865 (12.1) 0.122 (2.6) 0.300 (3.5) -0.036 (-0.8) 0.207 (2.4) 0.247 (1.8) 0.141 (1.4) 0.509 (1.8) 0.993 (2.0) 0.201 (0.7) 2.083 (2.3) 2.402 (1.6) 1.707 (2.2) -0.291 (-0.6) 0.196 (0.2) -0.817 (-1.7) 0.811 (1.6) 1.365 (1.5) 0.211 (0.4) 0.128 (1.8) 0.276 (2.6) 0.043 (0.9) 0.037 (2.5) 0.008 (0.3) 0.055 (3.9) 0.98 0.98 0.96

χ 2 (4)

8.17

9.57

2.17

Tabulka č. 8 v příloze kvantifikuje vlivy jednotlivých faktorů na vývoj nezaměstnanosti. Ukazuje se, že regrese nejlépe vystihují období let 1996-2000. Pro vysvětlení nárůstu nezaměstnanosti je klíčové právě toto období a vývoj dlouhodobé nezaměstnanosti. Pro tu byly největšími determinantami nutnost prostorové mobility, která je zároveň dominantní determinantou pro všechna období. Vysoká persistence nezaměstnanosti pak držela nové vysoké hladiny. Tabulka č. 6 pak udává dlouhodobé elasticity vypočítané pomocí Koyckovi transformace. Potvrzují se tím předešlé výsledky. V dlouhém období jsou sociální dávky větší determinantou než dávky v nezaměstnanosti. Daňový klín a nutnost prostorové mobility jsou větší zátěží pro dlouhodobě nezaměstnané. Reálný růst HDP ovlivňuje nejvíce krátkodobě nezaměstnané a nezaměstnanost jako takové nejcitlivěji reaguje na cenové rozdíly.

Tabulkač. 6 Dlouhodobé elasticity

Změna BRR SSR Daňový klín Cenový klín Reálný růst HDP Změna inflace Nutnost prostorové mobility Nutnost mobility mezi zaměstnáními

Závislá proměnná (nezaměstnanost) Celková Dlouhodobá Krátkodobá 0.93 1.43 -0.27 1.59 1.18 1.04 3.91 4.73 1.49 16.02 11.44 12.64 -2.24 0.93 -6.05 6.24 6.50 1.56 0.98 1.31 0.32 0.28 0.003 0.41

Závěr Tato práce se zaměřuje na postižení faktorů, které stojí za zvýšenou NAIRU v České republice. Vychází se z teorie, která se v posledních letech v této oblasti vyvinula a následně zmiňované aspekty analyzuje v českém kontextu. Musíme však mít na paměti, že transformující ekonomiky se jen zřídka drží učebnicových pouček. Navíc data jsou krátkého trvání a činí tak kvantifikaci problematickou. Nicméně některé obecné závěry lze učinit. V české ekonomice je míra nezaměstnanosti silně persistentní, což podporuje teorii hysterze. Tato hysterze pochází především z velmi vysokého podílu dlouhodobě nezaměstnaných na celku. Neslouží totiž jako skutečná konkurence pro krátkodobě nezaměstnané při zaplňování volných míst a tím se ve skutečnosti snižuje nabídka práce. Faktory mající na svědomí nárůst nezaměstnanosti jsou strukturálního a institucionálního charakteru. Česká ekonomika však nezaznamenala žádné významné zpomalení produktivity, či demografické nebo vzdělanostní vývoje, které by mohly negativně ovlivnit nezaměstnanost. Jediné šoky, které přicházejí v úvahu jsou šoky cenové a skutečně se ukazuje, že míra nezaměstnanosti je na tyto změny dosti citlivá. Mezi institucionální faktory ovlivňující míru nezaměstnanosti patří systém dávek v nezaměstnanosti a širší systém sociálního zabezpečení. Sociální dávky přitom jsou výraznější determinantou. Stejně tak daňový klín negativně ovlivňuje nezaměstnanost a to zejména dlouhodobou. Strukturální změny, kterými česká ekonomika prošla a prochází, silně ovlivnily nezaměstnanost. V kombinaci s překážkami k mobilitě pracovní síly se tyto změny jeví jako jedny z klíčových. Ve světle těchto závěrů je zřejmé, že částečná reforma v oblasti trhu práce by byla nedostatečná. Jak již bylo zmíněno mnoha autory, komplexní změny jsou za potřebí. Tato práce jen naznačuje některé možné příčiny nárůstu NAIRU. Avšak mnoho dalších aspektů zůstává nedotčeno. Další studie v oblasti nesouladu nabídky a poptávky a regionálních rozdílů v nezaměstnanosti by mohly být přínosem.

Příloha – grafy Graf č. 1 Očištěná míra divergence krajských měr nezaměstnanosti od Pražské 6 Středočeský

Plzeňský

Karlov arský

Králov éhradecký

Vy sočina

5 4 3 2 1 0 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty

Graf č. 2 Očištěná míra divergence krajských měr nezaměstnanosti od Pražské 12 Ústecký

Jihomorav ský

Olomoucký

Zlínský

Morav skoslezský

10 8 6 4 2 0 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty

Graf č. 3 Očištěná míra divergence krajských měr nezaměstnanosti od Pražské 26 22 Jihočeský

Liberecký

18 14 10 6 2 -2 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty

Graf č. 4 Příspěvky ke změnám míry nezaměstnanosti (meziroční změna míry nezaměstnanosti = 100%) 150,00% 100,00% 50,00% 0,00% -50,00% -100,00% -150,00%

Nezaměstnaní

Ekonomicky aktivní

-200,00% 1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty

Graf č. 5 Volná pracovní místa (levá osa) a HDP (pravá osa), meziroční přírůstky (v %) 60

6 Volná místa

HDP

5

40

4

20

3 2

0

1

-20

0 -1

-40

-2

-60

-3 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, MPSV, vlastní výpočty

Graf č. 6 Výdaje na aktivní (APZ) a pasivní (PPZ) politiku zaměstnanosti (v % HDP, levá osa) a míra nezaměstnanosti (v % pravá osa) 0,35

10,0

APZ PPZ Míra nezaměstnanosti

0,3

9,0 8,0

0,25

7,0 6,0

0,2

5,0 0,15

4,0 3,0

0,1

2,0 0,05

1,0

0

0,0 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, OECD

Graf č. 7 Daňový klín a jeho trend (levá osa) a míra nezaměstnanosti ( v %, pravá osa) 2,05

10,0 9,0

2

8,0

1,95

7,0

1,9

6,0

1,85

5,0

1,8

4,0 3,0

1,75 Daňový klín

1,7

Trend

2,0

Míra nezaměstnanosti

1,0 0,0

Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4

1,65 1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, vlastní výpočty

Graf č. 8 Meziroční tempa růstu měr otevřenosti (v %) 30,0 25,0

(ex p+imp)/HDP

ex p/HDP

(ex p+imp)/HDP v PPP

ex p/HDP v PPP

20,0 15,0 10,0 5,0 0,0 -5,0 -10,0 1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: OECD, vlastní výpočty

Graf č. 9 Změny* růstu produktivity práce (v procentních bodech, levá osa) a míra nezaměstnanosti (v %, pravá osa) 6

10,0 9,0

4

8,0 7,0

2

6,0 0

5,0 4,0

-2

3,0 2,0

-4 Změna

Odchy lka

1,0

Míra nezaměstnanosti

-6

0,0 1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Pramen: ČSÚ, OECD, vlastní výpočty *) Změna je meziroční změna tempa růstu TFP a odchylka je odchylka od průměrného růstu TFP v daném období.

Graf č. 10 Změny* v podílu mezd na produktu (v procentních bodech, levá osa) a míra nezaměstnanosti (v %, pravá osa) 0,0

10

0,0

9

0,0

8

0,0

7

0,0

6

0,0

5

0,0

4

0,0

Odchy lka

3

0,0

Změna

2

0,0

Míra nezaměstnanosti

1

0,0

0,0

0 1995

1996

1997

1998

1999

2000

2001

2002

2003

Pramen: ČSÚ, vlastní výpočty *) Změna je meziroční změna tempa růstu TFP a odchylka je odchylka od průměrného růstu TFP v daném období.

Graf č. 11 Příspěvek nákladového a cenového klínu (v % meziroční změny indexu mzdového rozdílu, levá osa) a meziroční růst indexu mzdového rozdílu (v %, pravá osa) 180 150 120 90 60 30 0 -30 -60 -90 -120 -150 -180 -210

11,0 8,0 5,0 2,0 -1,0 Nákladov ý klín

1995

1996

1997

1998

1999

2000

-4,0

Cenov ý klín

-7,0

Index mzdov ého rozdílu

-10,0

2001

2002

-13,0 2003

Pramen: ČSÚ, vlastní výpočty

Graf č. 12 Variační koeficient krajských měr nezaměstnanosti (v %, levá osa), míra nezaměstnanosti ČR (v %, pravá osa) 50

10,0

45

9,0

40

8,0

35

7,0

30

6,0

25

5,0

20 15

Variační koeficient

10

Míra nezaměstnanosti

4,0 3,0 2,0

5

1,0

0

0,0 1993

1994

1995

1996

Pramen: ČSÚ, vlastní výpočtyP

1997

1998

1999

2000

2001

2002

2003

2004

Příloha – tabulky Tabulka č. 1 Testy jednotkového kořenu (obsahující úrovňovou konstantu, ale nikoli trend) pro míry nezaměstnanosti České republiky a Prahy Česká republika 19932004 DF

19931996Q2

Praha 20002004

19932004

19931996Q2

20002004

-0.980

-0.777

-1.885

-1.170

-0.966

-2.332

-0.999**

-0.388

-1.626

-1.145

-0.845

-2.363

ADF(2)

-1.604

-1.366

-2.299

-0.997

-0.758

-2.075

ADF(3)

-1.207

-0.742

-.1652

-0.986

-0.469

-1.912

ADF(4)

-1.882

-0.524

-3.152

-1.879

-0.399

-3.318

Kritická hodnota***

-2.930

-3.269

-3.020

-2.930

-3.269

-3.020

ADF(1)*

* Hodnota v závorce udává počet zpoždění. ** Tučně vyznačené hodnoty označují nejlepší model vybraný na základě informačních kritérií. *** Pokud kritická hodnota přesahuje statistiky v absolutní hodnotě, tak nestacionarita nemůže být zamítnuta.

Tabulka č. 2 Nezaměstnaní/ Rok Celkem (v tisících) Věk Celkem 15-24 25-49 50-64 65+ V tom:

Muži

15-24 25-49 50-64 65+

Ženy

Vzdělání

V tom:

15-24 25-49 50-64 65+ Celkem ZV, BV* SŠ b M SŠ s M VŠ Muži

Ženy

ZV, BV* SŠ b M SŠ s M VŠ

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 220,0 221,2 208,1 201,5 248,3 335,7 454,1 454,5 421,0 374,1 399,1 425,9 32,5 34,6 32,4 30,1 28,6 30,4 29,4 26,9 25,7 25,0 23,8 23,8 55,1 54,6 55,5 55,0 57,2 55,7 56,5 57,8 58,0 57,5 57,3 56,4 10,5 9,7 10,5 13,3 13,2 12,6 13,4 14,9 15,7 16,9 18,3 19,5 1,9 1,1 1,5 1,6 1,0 1,2 0,8 0,4 0,6 0,6 0,5 0,3 16,0 21,7 5,2 1,1

18,4 21,4 5,7 0,7

17,7 23,0 5,4 1,0

16,0 23,0 7,3 1,0

14,7 23,4 6,6 0,6

15,3 21,5 6,2 0,6

15,7 23,3 7,1 0,4

15,0 23,6 7,8 0,2

14,2 24,2 7,6 0,3

13,4 23,4 8,1 0,3

12,7 22,1 8,6 0,4

14,0 23,5 9,5 0,2

16,5 33,3 5,3 0,8 29,2 43,1 22,9 4,8

16,1 33,2 3,9 0,4 29,2 43,1 23,8 4,0

14,7 32,5 5,1 0,5 34,4 42,7 19,7 3,2

14,1 31,9 6,0 0,6 33,9 42,8 20,5 2,9

13,9 33,8 6,6 0,3 30,5 42,2 23,8 3,4

15,2 34,3 6,4 0,6 26,2 43,6 26,5 3,6

13,7 33,2 6,2 0,4 24,1 46,1 26,1 3,8

11,9 34,2 7,1 0,2 26,3 44,5 25,6 3,6

11,6 33,8 8,1 0,3 27,3 44,2 25,1 3,5

11,6 34,1 8,8 0,2 24,5 47,0 24,8 3,7

11,1 35,2 9,7 0,2 23,4 48,0 25,1 3,6

9,8 32,8 10,0 … 24,6 49,5 22,3 3,6

11,5 21,4 8,3 2,9

13,3 21,9 8,5 2,6

16,3 22,0 7,4 1,4

15,8 23,0 7,0 1,5

14,1 21,7 7,9 1,6

12,3 21,0 8,5 1,9

11,0 24,6 9,0 1,9

12,6 23,5 8,6 1,7

12,6 23,8 7,9 1,9

11,4 23,5 8,5 1,9

10,3 23,0 8,6 1,8

11,0 25,4 8,8 2,1

ZV, BV* 17,6 15,8 18,1 18,1 16,4 14,0 13,1 13,7 14,7 13,2 13,1 13,6 SŠ b M 21,7 21,2 20,7 19,8 20,5 22,7 21,5 21,0 20,4 23,5 24,9 24,2 SŠ s M 14,7 15,3 12,3 13,4 15,9 18,0 17,1 16,9 17,1 16,3 16,4 13,6 VŠ 1,9 1,4 1,8 1,4 1,8 1,8 1,9 1,9 1,6 1,8 1,8 1,5 *) ZV, BV – základní vzdělání a bez vzdělání; SŠ b M – středoškolské bez maturity; SŠ s M – středoškolské s maturitou; VŠ - vysokoškolské

Tabulka č. 3

Table 3. Charakteristiky měr nezaměstnanosti ČR a krajů Kraj

Směroda tná odchylka

Průměr

Medián

Roční míra nezaměstnanosti 1993

1999

2004

Maximum

Minimum

Nejvyšší nárůst

Čtvrtletí

Míra

Čtvrtletí

Míra

Čtvrtletí

Míra

Prague

0,77

3,3

3,5

3,5

4,0

3,9

1/2000

4,5

1/1996; 2/1996

1,8

1/1997-1/1999

2,1

Středočeský

1,54

5,2

4,9

4,4

8,0

5,4

1/2000

8,4

2/1996; 3/1996

3,1

2/1996-3/1999

5,1

Jihočeský

1,36

4,5

4,8

3,3

6,2

5,7

4/1999

6,9

2/1995

2,3

4/1998-4/1999

1,8

Plzeňský

1,28

4,9

5,0

4,0

6,8

5,8

1/1999

7,1

2/1996

2,5

4/1996-1/1998

2,5

Karlovarský

1,97

6,3

6,3

4,7

8,1

9,4

4/2004

10,4

4/1996

3,1

4/1996-1/1998

2,9

Ústecký

3,64

11,1

12,0

4,6

15,4

14,5

1/2000

17,1

3/1993

4,5

3/1996-3/1999

7,1

Liberecký

1,61

5,3

5,2

3,3

8,2

6,4

3/1999

8,4

2/1997

2,8

2/1997-3/1999

5,6

Královéhradecký

1,43

4,9

4,7

4,3

7,0

6,6

1/1999

7,5

4/1995

2,7

2/1998-1/1999

3,1

Pardubický

1,82

5,8

6,2

4,2

8,0

7,0

1/2000

9,4

1/1994; 1/1996

3,2

2/1998-3/1999

3,4

Vysočina

1,59

5,4

5,0

4,4

8,7

6,8

3/1999

9,2

4/1995

2,6

2/1998-1/1999

3,3

Jihomoravský

2,23

6,0

6,5

4,2

8,0

8,3

1/2000

9,2

2/1996

3,0

4/1996-1/2000

5,9

Olomoucký

3,01

8,1

8,5

4,8

10,6

12,0

2/2000

13,1

1/1993

4,3

2/1998-2/2000

6,6

Zlínský

2,02

6,2

7,1

4,2

8,6

7,4

1/2000

8,9

2/1996; 3/1996

3,4

4/1996-3/1999

5,1

3,90

10,5

11,5

5,8

13,0

14,5

1/2004

15,5

1/1996

4,5

1/1996-1/1998; 2/1998-1/2000

5,2

1,95

6,4

5,4

4,3

8,7

8,3

1/2000

9,5

4/1995; 1/1996

3,7

4/1995-1/2000

5,8

Moravskoslezský Česká republika

Pramen: ČSÚ, vlasntí výpočty

Tabulka č. 4 Struktura nezaměstnaných dle doby trvání a pohlaví (v % celku) Nezaměstnaní / Rok Celkem, vyjma těch, co našli zaměstnání (v tisících) Celkem Do 3 měsíců 3 – 6 měsíců 6 měsíců – 1 rok 1 – 2 roky Více jak 2 roky V tom: Muži Do 3 měsíců 3 – 6 měsíců 6 měsíců – 1 rok 1 – 2 roky Více jak 2 roky Ženy

Do 3 měsíců 3 – 6 měsíců 6 měsíců – 1 rok 1 – 2 roky Více jak 2 roky

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

202,7

200,3

187,0

181,8

229,0

316,6

440,9

440,4

409,2

363,6

388,6

413,8

42,6 20,6 18,4 13,3 5,1

38,0 20,1 19,5 14,6 7,7

28,2 18,9 21,7 16,4 14,8

28,4 19,2 21,1 15,7 15,5

27,0 19,9 22,5 16,9 13,6

25,4 20,0 23,4 18,2 13,0

19,9 18,1 24,8 20,1 17,0

15,9 14,2 21,1 24,6 24,1

15,2 13,5 18,6 21,9 30,8

15,1 13,6 19,5 19,5 32,2

15,3 14,0 19,8 20,0 30,6

13,8 13,6 19,7 20,0 32,7

20,0 8,2 7,1 5,9 2,6

19,1 8,3 8,5 6,3 3,6

14,0 8,5 9,8 7,6 6,9

13,6 9,2 9,4 6,7 7,7

12,6 8,7 9,9 7,5 6,7

11,8 8,7 9,6 7,8 5,7

10,4 9,0 11,7 8,1 7,0

8,0 6,8 9,7 11,5 10,6

7,7 6,2 8,3 9,8 14,2

7,1 6,2 8,5 8,3 14,9

7,6 6,4 8,6 8,3 12,8

7,0 7,0 9,3 8,9 14,8

22,6 12,4 11,2 7,4 2,5

19,0 11,8 11,0 8,3 4,1

14,2 10,3 11,9 8,8 7,9

14,8 10,0 11,7 9,1 7,8

14,4 11,2 12,6 9,4 6,9

13,6 11,3 13,8 10,4 7,3

9,5 9,1 13,1 12,1 9,9

7,9 7,4 11,5 13,1 13,5

7,5 7,4 10,3 12,1 16,7

7,9 7,3 11,0 11,2 17,3

7,7 7,6 11,2 11,7 17,9

6,9 6,6 10,4 11,1 17,9

Pramen: ČSÚ, vlastní výpočty

Tabulka č. 5 Míry otevřenosti Otevřenost / Rok0

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

(Exp+Imp)/HDP

76,3

80,5

90,3

94,4

102,4

113,3

117,8

132,0

144,4

147,3

152,9

175,4

Exp/HDP

40,7

40,5

44,6

45,2

49,4

55,2

57,5

64,5

70,0

70,5

72,9

84,9

(Exp+Imp)/HDP

41,0

42,8

51,1

51,1

47,3

51,1

49,3

49,1

52,8

59,6

71,4

88,0

Exp/HDP

21,9

21,6

25,2

24,5

22,8

24,9

24,0

24,0

25,6

28,5

34,0

42,6

(Exp+Imp)/HDP

5,4

12,2

4,5

8,4

10,7

4,0

12,0

9,4

2,0

3,8

14,7

Exp/HDP

-0,5

10,1

1,3

9,2

11,8

4,2

12,1

8,6

0,6

3,5

16,4

(Exp+Imp)/HDP

4,6

19,3

0,0

-7,6

8,0

-3,5

-0,3

7,5

12,8

19,8

23,3

Exp/HDP

-1,4

17,0

-3,0

-6,9

9,1

-3,3

-0,2

6,7

11,3

19,4

25,1

V PPP

Růsty

V PPP

Pramen: OECD, vlastní výpočty

Tabulka č. 6 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

4 873,5

4 926,8

4 962,6

4 972,0

4 936,5

4 865,7

4 764,1

4 731,6

4 750,2

4 764,9

4 733,2

4 706,6

1

4.39

5.15

6.16

6.70

6.65

6.68

6.57

6.14

6.37

6.37

6.04

6.20

2

9.15

8.84

9.44

9.42

9.69

9.63

10.04

10.67

10.73

10.21

10.25

10.60

3

17.92

18.21

17.94

17.90

18.04

17.93

18.44

18.66

18.99

19.15

20.11

20.69

4

7.40

7.58

7.63

7.83

8.07

8.10

7.72

7.71

8.07

8.53

8.03

7.93

5

10.62

11.16

11.22

11.40

11.80

12.28

12.11

12.00

12.25

12.53

12.55

12.28

6

2.62

2.50

2.46

2.38

2.24

2.15

2.06

2.02

1.92

1.91

1.85

1.73

7

22.87

22.21

21.61

21.13

21.07

21.08

20.87

20.41

19.79

19.62

19.57

19.23

8

13.19

13.30

12.89

12.84

12.64

12.61

12.78

12.82

13.06

13.19

13.20

13.41

9

10.17

9.51

9.45

9.18

8.67

8.53

8.23

8.31

7.86

7.68

7.62

7.40

0

1.46

1.29

1.10

1.16

1.06

0.99

1.16

1.18

0.91

0.73

0.75

0.48

8+9

23.37

22.80

22.34

22.02

21.31

21.14

21.01

21.13

20.92

20.88

20.82

20.81

8+9+7

46.24

45.01

43.95

43.15

42.38

42.22

41.88

41.54

40.72

40.50

40.39

40.04

8+9+7+6

48.9

47.5

46.4

45.5

44.6

44.4

43.9

43.6

42.6

42.4

42.2

41.8

8+9+7+6+5

59.5

58.7

57.6

56.9

56.4

56.6

56.0

55.6

54.9

54.9

54.8

54.0

Celkem (v tisících) Kategorie*

Nízkokvalifikovaní

Pramen: ČSÚ, vlastní výpočty ) 1-zákonodárci, vedoucí a řídící pracovníci; 2-vedečtí a odborní duševní pracovníci; 3-techn., zdrav., a pedagog. prac.; 4-nižší administrativní pracovníci; 5-provozní pracovníci ve službách a obchodě; 6-kvalifik. dělníci a zem. a les.; 7-řemeslníci a kvalif. výrobci, zpracovatelé, opraváři; 8-obsluha strojů a zařízení; 9-pomocní a nekvalifikovaní pracovníci; 0-příslušníci armády

Tabulka č. 7 Změny v zaměstnanosti ve vybraných sektorech Zemědělství 1995

1996

1997

1998

1999

2000

Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4

Průmysl

-37 -27 -34 -24 1 -15 -15 -13 -22 -20 -29 -29 -2 -10 -11 -11 -23 -18 -24 -14 -14 -7 -1 -5

Stavebnictví -37 -26 -24 -22 12 -19 -19 -22 -13 -19 -17 -12 -97 -68 -80 -66 -39 -56 -46 -63 -63 -38 -34 -21

Služby

19 2 8 -4 -8 -6 2 3 -23 1 -18 -19 52 41 42 19 -39 -37 -32 -6 3 -8 -10 -2

Celkem 176 121 189 138 153 103 126 76 85 90 26 -14 15 -17 13 -19 38 -20 79 41 10 -54 -18 -78 -77 -123 -106 -143 -72 -122 -71 -129 -11 -112 0 -112 3 -99 -3 -87 11 -63 12 -41 29 -16 13 -15 Pramen: ČSÚ, vlastní výpočty

Tabulka č. 8 Příspěvky ke změně míry nezaměstnanosti (v procentních bodech) Celková Období * U-1

Dlouhodobá

I

II

III

4.07

-0.11

3.89

Dlouhodobá U-1

Krátkodobá

I

II

III

1.90

0.21

2.52

Krátkodobá U-1 Změna BRR

I

II

III

1.99

-0.33

1.14

0.02

-0.01

-0.01

0.06

-0.02

-0.04

-0.01

0.00

0.00

-0.17

-0.13

-0.34

-0.20

-0.15

-0.40

-0.11

-0.08

-0.23

Daňový klín

0.01

0.07

0.01

0.01

0.14

0.03

0.00

0.03

0.01

Cenový klín

-0.13

-0.02

-0.03

-0.15

-0.02

-0.03

-0.10

-0.01

-0.02

Reálný růst HDP

-0.30

-0.00

-0.00

0.20

0.00

0.00

-0.84

-0.01

-0.00

Změna inflace

0.04

0.02

0.00

0.07

0.03

0.01

0.01

0.00

0.00

Nutnost prostorové mobility

1.29

-1.22

-0.17

2.68

-2.55

-0.35

0.43

-0.41

-0.06

Nutnost mobility mezi zaměstnáními

0.05

0.07

0.06

0.01

0.02

0.01

0.08

0.11

0.09

Celkem

4.89

-1.32

3.41

4.59

-2.35

1.7

1.45

-0.71

0.92

Skutečnost

5.20

-0.33

4.42

3.29

-0.18

3.13

1.91

-0.15

1.29

SSR

* I = 1996Q1-2000Q1; II = 2000Q1-2004Q4; III = 1996Q1 – 2004Q4

Seznam literatury: AKERLOF, G. A., DICKENS, W. T., PERRY, G. L. (2000). ‘Near-rational Wage and Price Setting and the Long Run Phillips Curve‘, Brookings Papers on Economic Activity, Vol. 1, p. 1-60. BALL, L. (1999). ‚Aggregate Demand and Long-Run Unemployment‘, Brooking Papers on Economic Activity, Vol. 2, p. 189-251. BALL, L., MANKIW, N.G. (2002), ‘The NAIRU in Theory and Practice‘, NBER, Working Paper no. 8940, May. BLANCHARD, O. J., DIAMOND, P. (1989), ‘The Beveridge Curve’, Brooking Papers on Economic Activity, Vol. 1, p. 1-60. BLANCHARD, O. J., DIAMOND, P. (1992). ‚The Flow Approach to Labour Markets‘, AEA Papers and Proceedings, Vol. 82, no. 2, May, p. 354-359. BLANCHARD, O. J., KATZ, L. F. (1997), ‘What We Know and Do Not Know About the Natural Rate of Unemployment‘, Journal of Economic Perspectives, Vol. 11, no. 1, p. 51-72. BLANCHARD, O. J., WOLFERS, J. (2000), ‘The Role of Shocks and Institutions in the Rise of European Unemployment: The Aggregate Evidence‘, The Economic Journal, 110, March, p. 1-33. BROWN, C., GILROY, C., KOHEN, A. (1982), ‘The Effect of the Minimum Wage on Employment and Unemployment‘, Journal of Economic Literature, 20, p. 487-528. DÁNSKÉ MINISTERSTVO FINANCÍ (1999), ‘The Danish Economy: Medium Term Economic Survey’, Ministry of Finance, March. DOLADO, J., KREMARZ, F., MACHIN, S., MANNING, A., MARGOLIS, B., TEULINGS, C. (1996), ‚The Economic Impact of Minimum Wages in Europe‘, Economic Policy, 23, October, p. 319-372. ENDERVEEN, S., THISSEN, L. (2004), ‘Can Labour Market Institutions Explain Unemployment Rates in New EU Member States?’, CPB Document, no. 59, April. ELMESKOV, J. (1993), ‘High and Persistent Unemployment: Assessment of the Problem and its Causes‘, OECD Department of Economics Working Papers, no. 132. HURNÍK, J., NAVRÁTIL, D. (2005), ‘Labour Market Performance and Macroeconomic Policy: The Time-Varying NAIRU in the Czech Republic’, Finance a Úvěr, no. 1-2/05, p. 2540. JANÁČEK, K. (2005), ‘Foreign Investment and Czech Labour Market’, Economic Trends, no. 43, KB, Duben, p. 7-11. KONING, P. (1999), ‘The NAIRU in a Nutshell’, CPB Report 99/1, p. 20-22. KRUGMAN, P. (1995), ‘Growing World Trade: Causes and Consequences’, Brookings Papers on Economic Activity, Vol. 1, p. 327-377. LAYARD, R., NICKELL, S., JACKMAN, R. (2005), Unemployment: Macroeconomic Performance and the Labour Market, Oxford University Press, New York. LOGEAY, C., TOBER, S. (2003), ‘Time-varying NAIRU and Real Interest Rates in the Euro Area‘, DIW, Berlin. MAREŠ, P., SIROVÁTKA, T. (2005), ‘Unemployment, Labour Marginalisation and Deprivation’, Finance a Úvěr, no. 1-2/05, p. 54-67.

MORTENSEN, D. T., PISSARIDES, C. A. (1999), ‘ Unemployment Responses to “SkillBiased” Technology Shocks: the Role of Labour Market Policy’, The Economic Journal, no. 109, April, p. 242-265. NICKELL, S. (1997), ‘Unemployment and Labor Market Rigidities: Europe versus North America’, Journal of Economic Perspectives, Vol. 11, no. 3, Summer, p. 55-74. OECD (1996), Employment Outlook, Paris: OECD. OECD (1999), Employment Outlook, Paris: OECD. OECD (2003), Employment Outlook, Paris: OECD. PALLEY, T. I. (2003), ‘The Backward-bending Phillips Curve and the Minimum Unemployment Rate of Inflation: Wage Adjustment with Opportunistic Firms‘, The Manchester School, Vol. 71, no. 1, January, p. 35-50. PERRY, G. (1970), ‘Changing Labor Markets and Inflation’, Brooking Papers on Economic Activity, Vol. 3, p.411-448. SAINT-PAUL, G. (2004), ‘Why are European Countries Diverging in their Unemployment Experience?‘, IZA, Discussion Paper, no. 1066, March. VEČERNÍK, J. (2001), ‘Labour Market Flexibility and Employment Security’, Sociologický ústav, Česká Akademie věd, Praha.